ارائه رویکردی نوین مبتنی بر داده کاوی و الگوریتم‌های بهینه‌سازی به منظور پیش بینی موفقیت شرکت‌های نوپا‌ : مورد کشور ایران

نوع مقاله: مقاله پژوهشی

چکیده

با توجه به وضعیت کنونی اقتصاد، کارشناسان معتقدند که راه‌اندازی شرکت‌های نوپا در بستر اکوسیستم استارتاپی می‌تواند رویکرد مؤثری برای کشورهای درحال‌توسعه باشد. با توجه به اینکه تعداد زیادی از استارتاپ‌ها شکست می‌خورند، اما عوامل کلیدی وجود دارد که می‌تواند شرکت‌های نوپا را در دستیابی به مسیر صحیح تا رسیدن به موفقیت کمک کند. پژوهش پیش رو باهدف شناسایی عوامل موفقیت شرکت‌های نوپا در ایران است که به پیش‌بینی موفقیت این شرکت‌ها کمک می‌کند. یکی از روش‌های محبوب داده‌کاوی کشف ارتباط در میان مجموعه‌ای از داده‌ها است که حاصل آن کشف یک سری قوانین انجمنی برای شناسایی روابط قوی میان فعالیت‌های کسب‌وکار است. داده‌های جمع‌آوری‌شده در پژوهش پیش رو شامل 165 مورد استارتاپ‌ ایرانی است که فعالیت خود را از شتاب‌دهنده‌ها آغاز کرده‌اند. ستون‌های ویژگی دربرگیرنده عوامل موفقیت شرکت‌های نوپاست که در مطالعات داخلی و خارجی به آن پرداخته‌شده است. در این پژوهش به کمک الگوریتم‌های ماشین بردار پشتیبان، درخت تصمیم‌گیری، k-نزدیکترین همسایگی به دسته‌بندی می‌پردازیم سپس با کمک نتایج از تکنیک انتخاب ویژگی فاخته برای انتخاب مؤثرترین عوامل موفقیت شرکت‌‌های نوپا استفاده می‌کنیم. درنهایت با کمک الگوریتم اپریوری به استخراج قواعد می‌پردازیم. یافته‌ها نشان می‌دهد که تجربه کارآفرینی، مدت‌زمان فعالیت افراد، تجربه مهارت افراد، خدمت یا محصول، بازار هدف، اقیانوس آبی یا قرمز، انعطاف‌پذیری، مقیاس‌پذیری، وفاداری مشتریان، حضور یا عدم حضور در شتاب‌دهنده، سرمایه‌گذار مرحله اول، از جمله عوامل مؤثر بر موفقیت استخراج شده در این پژوهش است. نتایج قواعد انجمنی همچنین گویای این موضوع است که در استارتاپ‌های ایرانی انعطاف‌پذیری و مقیاس‌پذیری هم‌زمان باهم دو عامل مهم جهت موفقیت استارتاپ‌ها شمرده می‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

INTRODUCTION OF A NEW DATA-MINING AND OPTIMIZATION ALGORITHMS-ORIENTED APPROACH FOR PREDICTION OF STARTUP COMPANIES’ SUCCESS A Case Study of Iran

چکیده [English]

In the current economy and entrepreneurship situation in developing countries, experts maintain that establishing startup companies proves an efficient and promising approach. In spite of the fact, many startup companies are failed. However, there are key factors, which can help such companies follow the path to success. This research aims to identify the factors, which led to success of startup companies in Iran. Accordingly, one of the important roles of data mining is exploring the relationship between datasets, and getting the result of a series of association-based rules for identifying the strong bonds between business activities. The data of this study is collected from a total of 165 Iranian startup companies, which commenced their work in startup accelerators. The feature's columns included, success factors of startup companies addressed in domestic and foreign studies. For the prediction phase, we use the help of support vector machine algorithm, decision tree and k-nearest neighboring to classification. The feature selection technique in order to come up with the most efficient success factor of startup companies is Cuckoo search. Finally, rules are extracted by means of Apriori Algorithms. The results indicate that factors such as, namely, entrepreneurship experience, working duration, skills, type of service or product, target market, Blue Ocean or Red Ocean strategy, flexibility, scalability, customer loyalty, presence or lack of presence in an accelerator, and first-stage of investor are the most important factors that have the greatest effects in a startup's success. Moreover, the extracted results reveal that flexibility, and scalability are considered as two key factors contributing to success of Iranian startup companies.

کلیدواژه‌ها [English]

  • Keywords: Startup Companies
  • Apriori Algorithm
  • Feature selection
  • Cuckoo Optimization Algorithm
  • Classification

مقالات آماده انتشار، پذیرفته شده
انتشار آنلاین از تاریخ 10 اردیبهشت 1399
  • تاریخ دریافت: 10 اردیبهشت 1399
  • تاریخ پذیرش: 10 اردیبهشت 1399